発作リスクサイクリングの運転者を研究するための変数選択によるBayes非均一隠れMarkovモデル【JST・京大機械翻訳】

Wang Emily T.; Chiang Sharon; Haneef Zulfi; Rao Vikram R.; Moss Robert; Vannucci Marina

プレプリント

J-GLOBAL ID：202202216871155345 整理番号：22P0324148

発作リスクサイクリングの運転者を研究するための変数選択によるBayes非均一隠れMarkovモデル【JST・京大機械翻訳】

Bayesian Non-Homogeneous Hidden Markov Model with Variable Selection for Investigating Drivers of Seizure Risk Cycling

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月01日プレプリントサーバーでの情報更新日： 2022年04月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

てんかんの臨床管理における主要な問題は,発作の予測不能である。しかし,てんかんの発作予測とリスク評価への従来のアプローチは,発作リスクの確率的測定である生発作頻度に大きく依存する。ゼロ膨張発作計数データの教師なしクラスタリングのためのBayes非均一隠れMarkovモデルを考察した。提案モデルは,個々のレベルで発作リスク状態のシーケンスの確率的推定を可能にする。また,発作リスク変化を駆動する臨床共変量の同定のために,また高度に粒状のデータを収容する前に,変数選択を組み込むことにより,以前のアプローチよりも大幅な改善を提供する。推論のために,確率的探索とデータ増強技術を使用する効率的サンプラを実行した。シミュレートした発作計数データのモデル性能を評価した。次に,患者報告電子発作日記であるSeizure Tracker TMシステムを介して収集したDravet症候群の133名の患者からの日常発作計数データを解析することにより,提案モデルの臨床有用性を示した。いくつかの既知の薬理学的関係の検証を含む発作リスクサイクリングの動力学について報告する。また,Dravet症候群におけるリスク状態の存在および揮発性を特徴づける新規所見を明らかにし,これはてんかんのこの破壊的原因を有する患者に対する発作の予測不能性を低減するためのカウンセリングを直接知らせるかもしれない。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

神経系の診断 , 神経系の疾患 , 生体計測 , 神経の臨床医学一般

, , , , , ,

前のページに戻る